温室环境温度预测自适应机理模型参数在线识别方法

温室小气候模型具有非线性、强干扰、时变等特性,常用的线性化模型或离线辨识模型无法有效预测温室环境动态变化规律,模型精度不高直接影响温室环境控制性能。针对模型的这种复杂特性,该文以温度模型为例,提出利用连续-离散递推预测误差算法,对非线性模型参数和状态进行在线估计,以提高模型精度。首先,考虑加热和通风2种控制输入,建立了温室温度模型。然后,论述了该算法的原理和优势,算法通过引入并调整增益矩阵,对系统噪声进行在线更新,减少了系统噪声初始化偏差对参数估计收敛性的影响。最后,基于试验温室实测数据,对温室温度模型进行了在线辨识仿真,结果表明,利用连续-离散递推预测误差算法辨识模型拟合度为93.7%,扩展卡尔曼滤波器拟合度为89.5%,该文提出的算法在预测温室温度方面更为有效。     

考虑动态吸收率的玻璃温室覆盖层温度预测模型

覆盖层温度是影响温室热环境的重要因素之一。为了实现温室覆盖层温度预测,该研究以玻璃温室覆盖层为研究对象,综合考虑太阳辐射吸收、对流换热等能量传递形式,建立温室覆盖层温度预测模型。为提高模型精度,该研究进一步提出温室覆盖层动态吸收率计算方法,并使用该方法将覆盖层太阳辐射吸收率分为直射辐射吸收率、散射辐射吸收率与地表反射辐射吸收率分别计算,进而精确计算覆盖层吸收太阳辐射。为验证模型正确性及其精度,在山东省泰安市选择3个时段开展相关验证试验并得出如下结论,温室覆盖层温度预测值与测量值变化趋势较为一致,模型计算值与覆盖层温度测量值的决定系数R^2最小为0.92,均方根误差RMSE最大为2.05℃,通过与相关模型对比得出该研究提出的模型能够精确预测覆盖层温度。     

基于SCADA数据的风电机组关键载荷预测

风电机组关键位置载荷预测对风电机组安全、经济运行具有重要意义。通过建立SCADA数据与载荷间的近似关系对风电机组关键位置载荷进行预测。采用BP神经网络建立SCADA数据和载荷的关系模型,利用SCADA数据与载荷间的相关性来筛选模型输入参量,采用试错法确定BP神经网络的层数与神经元数量。针对某2.5 MW风电机组的7处关键位置进行了载荷实测。研究表明,在不采用风速作为输入参量的情况下,模型的预测结果与实测结果具有良好的一致性,相对误差的均值在1.28%到15.6%之间,决定系数R2在0.951到0.882之间;与试错法选择输入参量相比,基于相关性计算的输入参量选择方法能够更高效地筛选出更多恰当的SCADA参量,从而进一步提高预测准确度。因此,基于BP神经网络建立SCADA数据与载荷的近似关系可作为风电机组关键位置载荷预测评估的有效手段。     

长江中下游地区夏季温室黄瓜冠层温度模拟与分析研究

根据作物冠层能量平衡原理，建立了以温室内温度、湿度、冠层净辐射等为变量的温室作物冠层温度的模拟模型，并利用实测资料对模型的可靠性进行了检验，同时就温室内部温度、冠层净辐射、蒸腾速率对冠层温度的影响进行了敏感性分析。结果表明：模型能较好地预测长江中下游地区温室作物冠层温度，模型对该地区夏季(2002年6月24至7月12日，梅雨季节)温室内作物冠层温度预测值与实测值的决定系数(R²)和标准误(SE)分别为：0.8321，0.0037℃；建立的温室内部温度、相对湿度、净辐射和作物蒸腾速率的多元线性回归模型，其决定系数(R²)和标准误(SE)分别为：0.9996，0.8829℃；通过敏感性解释因子的分析表明，作物冠层温度对温室内部温度最为敏感，室内温度是预测冠层温度的主要因子。     

用辐热积法模拟温室黄瓜果实生长

为了提高预测温室黄瓜产量的能力,该研究根据温室黄瓜（品种为：戴多星Cucumis sativus cv Deltestar）果实对温度和辐射的响应,建立了以辐热积（Product of thermal effectiveness and PAR,TEP）为尺度的温室黄瓜果实模型,并用独立的试验数据进行了检验。模型对温室黄瓜各节位果实果长、果径和鲜质量的模拟值与实测值的符合度较好,模型对温室黄瓜果长和果径的模拟值与实测值之间的决定系数（R2）分别为0.7325和0.5885;回归标准误差（RMSE）分别为1.64 cm和0.35 cm,而以有效积温（Growing degree days,GDD）为尺度构建的果实生长模型对果长和果径的预测结果与实测值之间的决定系数（R2）分别为0.5768和0.4893;回归标准误差（RMSE）分别为1.83 cm和0.40 cm;本模型对果实鲜质量的模拟结果与实测值之间的回归标准误差（RMSE）和决定系数（R2）分别为25.04 g 和0.6782。而基于有效积温的果实生长模型对果实鲜质量的模拟结果与实测值之间的回归标准误差（RMSE）和决定系数（R2）分别为28.52 g和0.6068。模拟精度提高了12.21%。本研究建立的辐热积模型能较准确地预测温室黄瓜各节位的果实生长,模型的实用性较强,可以为温室黄瓜生产提供理论依据和决策支持。     

基于近红外光谱的灌浆期玉米籽粒水分小样本定量分析

玉米灌浆期含水率测定是考种育种的重要指标。为了节约样本且快速准确测定灌浆期玉米水分,该文应用近红外光谱技术,提出了基于小样本条件下的自举算法(Bootstrap)与基于x-y距离结合的样本划分方法(SPXY,sample set partitioning based on joint x-y distances)相结合的样本优化方法的偏最小二乘(PLS,partial least square)水分定量分析模型Bootstrap-SPXY-PLS模型。试验结果表明,当Bootstrap重抽样本次数等于500,样本数量大于等于10时,模型的性能稳定,并且随着样本数量增加,重抽样本次数相对减少;样本数量为10和50时,全谱Bootstrap-SPXY-PLS模型的预测均方根误差(RMSEP,root-mean-square error of prediction)均值分别为0.38%和0.40%,预测相关系数(correlation coefficients of prediction)分别为0.975 1和0.968 5,决定系数R~2分别为0.999 9和0.993 6;基于竞争性自适应重加权采样算法(CARS,competitive adaptive reweighed sampling)波长变量筛选后的CARS-Bootstrap-SPXY-PLS模型的预测均方根误差RMSEP均值分别为0.36%和0.35%,预测相关系数分别为0.973 6和0.975 0,模型决定系数R~2分别为0.924 5和0.918 0。因此,全谱Bootstrap-SPXY-PLS模型和CARS-Bootstrap-SPXY-PLS模型均具有稳定的预测能力,为玉米育种时灌浆期种子水分测定提供了一种稳定、高效的方法。     

基于自加速遗传粒子群算法的半封闭式温室能耗预测

针对半封闭式温室环境参数众多且难以测量的问题,提出了一种机理建模与系统辨识建模相结合的温室能耗建模方法。采用自加速遗传粒子群算法(self-accelerating hybrid algorithm of particle swarm optimization and genetic algorithm,SPSO-GA)对温室物理模型中难以确定的参数进行辨识,建立半封闭式温室能耗预测模型。根据上海半封闭式玻璃试验温室的气象数据和测量的能耗值,分别采用遗传算法(genetic algorithm,GA)、粒子群算法(PSO,particle swarm optimization)和SPSO-GA进行参数辨识与能耗预测比较分析。采用SPSO-GA获得的温室能耗预测结果与实测数据的相对误差为1.4%,分别比GA和PSO减少了2.9%和13.7%。根据日太阳光照辐射总量、室外日均温度2个参数及相应的变化曲线,预测的温室能耗值精确度大于86%。试验与模拟结果验证了基于SPSO-GA的温室能耗预测模型有效,可为半封闭式温室能量负载设计、管理和控制提供理论依据。     

灰分混凝土与钢筋粘结性能试验及粘结滑移本构模型研究

为建立适用于灰分混凝土与月牙纹钢筋的粘结-滑移（?-s）本构模型,将灰分等量替代水泥质量的0、5%、10%、15%掺入混凝土中,用以制备C20、C30、C40强度等级的灰分混凝土粘结试件。采用中心拔出的方法,获得灰分混凝土与月牙纹钢筋?1-s1曲线;在?1-s1曲线基础上,建立灰分混凝土与3种不同直径（12、16、20 mm）月牙纹钢筋?-s本构模型;并通过扫描电镜法从微观角度解释不同灰分掺量下灰分混凝土?1-s1曲线的变化原因;最后利用ABAQUS中的spring2单元对中心拔出试验进行仿真模拟以验证该文提出的?-s本构模型。试验结果表明：灰分混凝土与月牙纹钢筋的粘结破坏模式主要为混凝土劈裂破坏和拔出破坏,劈裂-拔出破坏仅出现在灰分掺量15%、混凝土设计强度等级C20、钢筋直径12 mm的粘结试件中;当灰分掺量为5%时,混凝土微观结构连续密实,粘结性能最优,灰分掺量增至15%,引起混凝土微观形貌由连续密实向疏松多孔转变,导致混凝土劈裂抗拉强度降低52%,灰分混凝土与月牙纹钢筋粘结性能相应减弱,?-s本构模型中形状参数也随掺量的改变而改变。该文提出的?-s本构模型曲线拟合决定系数为0.94,拟合曲线决定系数方差为0.001,相对于Harajli?-s本构模型拟合曲线决定系数方差0.002降低了50%,其拟合稳定程度优于Harajli?-s本构模型。     

长江中下游地区Venlo型温室空气温湿度以及黄瓜蒸腾速率模拟研究

根据温室能量和质量平衡的物理学原理，建立了一个以温室外气候条件(太阳辐射、温度、湿度、风速等)为驱动变量，以温室结构、温室覆盖材料、温室内作物(高度、叶面积指数)为参数的温室小气候模拟模型，并利用上海Venlo型温室的三季试验数据对模型进行了检验。结果表明：模型能较好地预测中国长江中下游地区Venlo型温室内夏季和冬季空气温度、湿度以及作物蒸腾速率。模型对该地区夏干季节(2001年8月，三伏天)、夏湿季节(2002年6月下旬至7月中旬，梅雨季节)和冬季(2002年1月27日~2月5日)温室内空气温度、湿度以及作物蒸腾速率预测值与实际观测值的决定系数(R²)和标准误(SE)分别为：0.89，0.75，0.52；1.1℃，4.4%，0.040 g·m^-2·s^-1；0.80，0.84，0.77；1.5℃，4.4%，0.018 g·m^-2·s^-1；0.84，0.59，0.73；1.6℃，6.0%，0.012 g·m^-2·s^-1。该研究为进一步探讨温室环境的优化调控提供了理论依据和决策支持。     

秸秆灰分混凝土与钢筋粘结性能试验及粘结滑移本构模型研究

为建立适用于灰分混凝土与月牙纹钢筋的粘结-滑移(τ-s)本构模型,将灰分等量替代水泥质量的0、5%、10%、15%掺入混凝土中,用以制备C20、C30、C40强度等级的灰分混凝土粘结试件。采用中心拔出的方法,获得灰分混凝土与月牙纹钢筋τ_1-s_1曲线;在τ_1-s_1曲线基础上,建立灰分混凝土与3种不同直径(12、16、20 mm)月牙纹钢筋τ-s本构模型;并通过扫描电镜法从微观角度解释不同灰分掺量下灰分混凝土τ_1-s_1曲线的变化原因;最后利用ABAQUS中的spring2单元对中心拔出试验进行仿真模拟以验证该文提出的τ-s本构模型。试验结果表明:灰分混凝土与月牙纹钢筋的粘结破坏模式主要为混凝土劈裂破坏和拔出破坏,劈裂-拔出破坏仅出现在灰分掺量15%、混凝土设计强度等级C20、钢筋直径12 mm的粘结试件中;当灰分掺量为5%时,混凝土微观结构连续密实,粘结性能最优,灰分掺量增至15%,引起混凝土微观形貌由连续密实向疏松多孔转变,导致混凝土劈裂抗拉强度降低52%,灰分混凝土与月牙纹钢筋粘结性能相应减弱,τ-s本构模型中形状参数也随掺量的改变而改变。该文提出的τ-s本构模型曲线拟合决定系数为0.94,拟合曲线决定系数方差为0.001,相对于Harajliτ-s本构模型拟合曲线决定系数方差0.002降低了50%,其拟合稳定程度优于Harajliτ-s本构模型。     

温室温度控制系统的神经网络PID控制

建立温室温度控制系统的数学模型。针对温室温度控制系统存在的大滞后、大惯性等问题,考虑到常规PID控制器自适应能力差、鲁棒性不强等缺陷,提出采用将具有较强的自组织、自学习和自适应能力的径向基神经网络与常规PID相结合构成RBF-PID控制策略,自适应调整PID控制器的参数。在该控制策略中,采用RBF神经网络辨识器实现温度控制系统的Jacobian矩阵信息在线辨识,对 RBF-PID控制器控制参数在线自整定。研究结果表明：RBF-PID控制器可使温室温度控制系统动态响应快、鲁棒性强、稳态精度高、超调量小、抗扰动能力强,具有良好的控制效果。     

基于二次混合机构的营养液调控模型与PID算法实现

封闭式栽培是解决中国日光温室传统栽培连作障碍问题的有效途径之一。营养液调控过程的性能指标是封闭式栽培模式的关键。该文针对一种具有二次混肥特性的营养液调控过程进行动态分析并建立模型,使用PID控制算法实现了营养液调控,并对影响因素进行对比试验。试验结果表明,系统达到稳定的时间随出液流量的减小或营养液浓度之和的增大呈现减小的趋势;系统震荡持续时间与超调量随出液流量的减小或营养液浓度之和的增大呈现增大的趋势。由试验结果与分析可知,该带有二次混肥的封闭式栽培系统中最优的出液流量与营养液浓度之和分别为6 m3/h与200 g/L,在此状态下进行PID控制参数整定,得到系统在最优条件下稳定时间为100 s、超调量为3%、震荡持续时间为25 s。表明该带有二次混肥的封闭式栽培系统的营养液调控过程能使用PID算法进行调控,能使系统实现稳定、高效的运行。该研究为封闭式栽培的营养液调控提供了参考。     

基于改进多目标进化算法的温室环境优化控制

该文围绕温室环境控制问题,以温湿度2个主要环境因子为研究对象,建立了温室环境动态模型。设计1种基于改进的非支配排序多目标进化算法(modified non-dominated sorting evolutionary algorithm,MNSEA-II)的双比例积分微分(proportional integral derivative,PID)控制器的多输入、输出温室控制系统,以误差平方矩的积分型(integrated time square error,ITSE)为性能指标,使用多目标进化算法对其确立的目标函数进行寻优,求出Pareto最优解,进而对PID控制器的参数进行整定,使系统获得良好的控制性能。本文以Matlab/Simulink为仿真环境,对此温室控制系统进行了仿真研究。结果表明了温室模型的合理性和多目标进化算法优化的PID控制方法的有效性。     

植保四轴飞行器的模糊PID控制

针对当前植保四轴飞行器在作业过程中自身载荷发生改变后的飞行控制性能下降、抵抗环境扰动能力差的问题,该文改进了传统比例积分微分(proportion,integration,differentiation,PID)控制算法,提出了一种模糊PID控制算法。该文通过研究四轴飞行器的姿态解算和飞行原理,设计了以STM32系列的单片机为核心处理器的四轴飞行控制系统。采用AHRS模块实时解算飞行器姿态参数,结合模糊控制和PID控制算法调节电机的输出量来控制飞行姿态。试验结果表明:与传统PID相比,模糊自整定PID控制算法适应性强,参数整定简单,系统的动态响应能力和稳定性获得了提高,实现了四轴飞行器的稳定飞行。该文为植保无人机控制算法研究提供了一定的参考。     

模糊自适应PID控制器在太阳能干燥温度控制中的应用

基于中国农村对特色农副产品干燥设备的需求现状，设计了一种热能辅助型太阳能箱式干燥器。该装置由干燥箱、热风炉和循环系统构成。针对太阳能辅助热能干燥过程参数时变性和模型不确定性设计了一种基于模糊推理的参数自适应PID控制器。仿真结果表明，该控制器具有理想的动态和稳态以及抗干扰性能，超调量、过渡过程时间等控制性能指标优于传统PID控制器，能够满足太阳能干燥系统对参数控制的要求。     

基于灰色预测的温室地源热泵系统温度变频调控及验证

地源热泵空调系统已是一种成熟的温室温度节能控制设备,但尚有通过改变运行方式节约能源的空间。为此,针对温室温度纯滞后、非线性、强耦合难以精确建模的特点,引入灰色预测的方法对温室温度进行建模,并设计控制器对地源热泵循环泵进行变频调控。其系统是：设计引入温室温度灰色预测的控制器,根据温度预测值和设定值之差决定地源热泵循环泵的工作频率,以确保系统合理运行,降低运行能耗。由2015年1月15日和2015年1月16日的试验表明,引入灰色预测对地源热泵循环泵进行变频调控比改造前节约了24%的能源。该方法提高了循环泵的控制品质,而且在温室温度适应范围的前提下,较好地达到了节约能源的目的。     

杏鲍菇温室开关式空调的无静差模糊控制器设计与试验

针对杏鲍菇工厂化生产中开关式空调温度控制精度较低的问题,考虑到常规模糊控制存在静态误差、静态模糊规则不适用于多温室及不断变化的外界环境的不足,该文提出了一种新型基于模糊控制的自适应变论域控制策略.在控制过程中,2个子模糊控制器受区域决策环节控制切换运行,自适应环节以开关式空调的启停周期作为滚动优化单元.当系统完成1个启停周期后,自适应环节根据该周期2个子模糊控制器所属区域的超调量分别校正各自模糊论域的中心点.通过多组对照试验表明,在北方夏季不同温室、自然因素等多变量试验条件下,设定1℃的范围温差,含自适应环节的模糊控制器均表现出良好的动态特性,与传统静态规则模糊控制器的效果相比,超调量平均下降6.5%,个别温室可下降15%以上,并保持在±5%以内.该方法在理论上实现了开关式空调的无静差模糊控制,试验中同样表现出了较好控制效果,且实现方法简单,普遍适用于开关式设备的温度控制.     

基于广义回归神经网络的灌溉系统首部多用户配水快速PID控制

针对多用户配水状态下灌区流量、压力需求变化范围大,传统流量、压力控制响应速度慢等问题,建立适用于多用户灌区配水的灌溉系统首部控制技术。该研究通过分析供水系统流量、压力调节方式,提出了流量、压力PID(Proportion Integration Differentiation)耦合调节方法,建立以电动阀开度为流量控制量、变频器频率为压力控制量对流量和压力进行调控的灌溉首部控制系统。为了减少系统的调节时间,提高系统的运行效率,采用广义回归神经网络(Generalized Regression Neural Network,GRNN)建立流量、压力和电动阀控制模拟量、变频器控制模拟量间的预测模型,形成神经网络PID控制模型(GRNN_PID),并进行模型精度和控制精度验证。GRNN训练结果显示,变频器控制模拟量的相对误差为0.11%～3.86%,电动阀控制模拟量相对误差为0.09%～5.74%,模型精度较高。使用3个调节过程模拟3个用户的需水行为对模型进行验证,结果表明,GRNN_PID模型3个过程的调节时间分别为11.6、10.7和7.2 s,PID模型3个过程的调节时间分别为31.7、29.6和16.9 s,GRNN_PID模型大幅减少了系统的调节时间,提高了系统的运行效率;分别计算了2种模型的控制精度,GRNN_PID调节方法和传统PID调节方法的稳态流量和压力误差都在1%以内,最大超调量为8%,控制精度较高但相差不大,表明GRNN是从策略上加速系统调节速度,其本身并没有对PID的参数进行调整,因此对系统的控制精度影响不大。研究可为灌溉系统流量压力快速控制提供参考。     

玉米精量排种器电驱PID控制系统设计与性能评价

本文研究了一种基于PID的排种器电驱控制系统,取消了播种机采用地轮和链条驱动的方式,提高了播种机的播种质量和作业速度.采用PID算法控制排种盘转速,在目标转速与当前转速差异较大时,加入PID积分分离算法,以减少转速的超调量.通过整定后的PID参数为:Kp=16、Ki=0.05、Kd=36,在其排种盘转速范围为0~24r/min时,响应时间、超调量、稳态误差分别为0.4秒,1.56%和0.75%.试验结果表明,在12km/h的高速播种作业条件下,采用该电驱控制系统的排种器排种单粒率仍然可达到98.4%,其重播率和漏播率小于1%.采用本文研究的基于PID算法的排种控制系统可以获得良好的排种质量和更高的排种速度,使排种器更适宜高速精量播种.